Capaian Pembelajaran (CP)

(1)

UNIVERSITAS SAM RATULANGI

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM PROGRAM STUDI SISTEM INFORMASI

RENCANA PEMBELAJARAN SEMESTER (RPS)

Nama Mata Kuliah Kode Mata Kuliah Bobot (sks) Semester Tanggal Penyusunan

SISTEM FUZZY SIS 3391 2(2-0) V

Otorisasi Nama Koordinator Pengembang RPS Koordinator Bidang Keahlian (Jika Ada) Korprodi

Altien J. Rindengan Altien J. Rindengan

Capaian Pembelajaran (CP)

CPL-PRODI (Capaian Pembelajaran Lulusan Program Studi) Yang Dibebankan Pada Mata Kuliah

S11 Menginternalisasi prinsip-prinsip belajar sepanjang hayat, literasi data, literasi teknologi, literasi manusia, dan mampu memahami tanda-tanda revolusi industri 4.0

KU1 Mampu menerapkan pemikiran logis, kritis, sistematis, dan inovatif dalam konteks pengembangan atau implementasi ilmu pengetahuan dan teknologi yang memperhatikan dan menerapkan nilai humaniora yang sesuai dengan bidang keahliannya;

KU5 Mampu mengambil keputusan secara tepat dalam konteks penyelesaian masalah di bidang keahliannya, berdasarkan hasil analisis informasi dan data;

KU10 Mampu melakukan analisis & desain dengan menggunakan kaidah rekayasa software dan hardware serta algoritma dengan cara menggunakan tools dan dapat menunjukkan hasil dan kondisi yang maksimal untuk aplikasi bisnis.

KK1 Mampu menerapkan matematika dasar, prinsip algoritma, dan teori komputasi dalam pemodelan dan desain sistem berbasis komputer untuk memecahkan masalah nyata dibidang informasi.

PP3 Mempunyai pengetahuan dalam penyusunan algoritma pemrograman yang efektif dan efisien serta dapat merancang, membangun dan mengelola aplikasi sistem informasi secara tepat dan akurat untuk pendukung pengambilan keputusan.

CPMK (Capaian Pembelajaran Mata Kuliah)

Menguasai dan mampu menerapkan teori logika fuzzy dalam memprediksi dan analisis data masalah-masalah yang sebenanya berbentuk fuzzy

SUB-CPMK

1. Menjelaskan konsep dasar fuzzy

2. Menjelaskan tentang himpunan dan bilangan fuzzy 3. Menjelaskan tentang fungsi keanggotaan fuzzy 4. Menjelaskan tentang fuzzy inference system 5. Menganalisis FIS menggunakan softaware matlab 6. Menganalisis basis data berbentuk fuzzy

7. Menganalisis data-data kuantitas menggunakan teori fuzzy

8. Menganalisis pemetaan himpunan fuzzy ke himpunan fuzzy yang lain

(2)

Deskripsi Singkat Mata Kuliah

Sistem Fuzzy disusun sebagai dasar bagi mahasiswa mempelajari konsep masalah-masalah yang masih bersifat kabur/fuzzy.

Rancangan pembelajaran yang digunakan sebagai pegangan mahasiswa tersedia di website dan dapat diunduh kapanpun dan di manapun. Rancangan ini mencakup rancangan pembelajaran, rancangan tugas, serta materi-materi mata kuliah yang terdiri dari Konsep Dasar Fuzzy, Teori Dasar Fuzzy, Fungsi Keanggotaan Fuzzy, Fuzzy Inference System, FIS pada Matlab , Basis Data Fuzzy, Fuzzy Quantification Theory, Fuzzy Assocciative Memory (FAM). Model pembelajaran yang dikembangkan ialah Student Centered Learning (SCL) sehingga mahasiswa diharapkan sudah membaca dengan seksama rancangan tugas serta pustaka-pustaka yang diacu sebelum melaksanakan proses pembelajaran.

Bahan Kajian/Materi Pembelajaran

1. Konsep Dasar Fuzzy 2. Teori Dasar Fuzzy

3. Fungsi Keanggotaan Fuzzy 4. Fuzzy Inference System 5. FIS pada Matlab 6. Basis Data Fuzzy

7. Fuzzy Quantification Theory 8. Fuzzy Assocciative Memory (FAM) Daftar Referensi Utama

1. Chen, G. and T.T. Pham. 2014. Introduction Fuzzy Set, Fuzzy Logic and Fuzzy Control System. CRC Press New York.

2. Kusumadewi, S. dan H. Purnomo. 2004. Aplikasi Logika Fuzzy untuk Pendukung Keputusan, Graha Ilmu Yogyakarta.

3. Lee, K.H. 2015. First Course on Fuzzy Theory and Applications. Springer-Verlag Berlin.

4. Naba, A. 2009. Fuzzy Logic menggunakan Matlab. ANDI Yogyakarta

5. Rindengan, A.J. 2016. Modul Kuliah Sistem Fuzzy. PS. Matematika FMIPA UNSRAT Manado.

6. Zimmermann, H.J. 2011. Fuzzy Set Theory and Its Applications. 4^ed. Springer Science New York.(8) Pendukung

1. Donda, T.B., A.J. Rindengan dan C.E.J.C. Montolalu. 2018. Prediksi Jumlah Produksi Mebel pada CV. Sinar Sukses Manado menggunakan Fuzzy Inference System. Jurnal de Cartesian 7(1):29 – 34

2. Tampinongkol, F.F., A.J. Rindengan, L.A. Latumakulita. 2015. Aplikasi Fuzzy Goal Programming. Studi Kasus: UD. Sinar Sakti Manado. Jurnal de Cartesian 4(2):29 – 34

Nama Dosen Pengampu Altien J. Rindengan

Mata Kuliah Prasyarat (jika ada)

-

(3)

Matriks Pembelajaran :

Minggu

Kemampuan akhir yang diharapkan

(sub CPMK)

Bahan Kajian/Materi

Pembelajaran

Bentuk & Metode Pembelajaran

Estimasi Waktu (Menit)

Tugas Mahasiswa

Penilaian

Referen si

Bobot Nilai Kriteria & (%)

Bentuk Indikator

1 Penjelasan Umum

Pelaksanaan Perkuliahan

Bentuk: Kuliah Metode: Diskusi kelompok

TM:2x50 PT:2x60 BM:2x60

Kelas : mendengarkan penjelasan dosen tentang kontrak perkuliahaan

Pasca kelas : mempelajari RPS & RT mata kuliah

2 Mampu menjelaskan konsep dasar fuzzy

Konsep Dasar Fuzzy

Bentuk : kuliah Metode: Small Group Discussion

TM:2x50 PT:2x60 BM:2x60

Prakelas: mempelajari modul dalam e- learning

Kelas: Mendiskusikan permasalahan yang sudah disusun dosen dalam kelompok kecil dan diskusi kelas Pascakelas: menyusun ringkasan dan mengunggah pada modul e-learning

Nontes(proses):

Keaktifan dalam diskusi

kelompok Nontes(luaran):

Ringkasan diskusi

Proses:

Keaktifan dalam diskusi kelompok Luaran:

Kualitas ringkasan hasil kajian perorangan

1,4,6,8 5

3 – 4 Mampu menjelaskan tentang himpunan dan bilangan fuzzy

Teori Dasar Fuzzy Bentuk : kuliah Metode: Cooperative Learning

TM:

2x2x50 PT:

2x2x60 BM:

2x2x60

Kelas: membahas dan menyimpulkan masalah/tugas yang diberikan dosen secara kelompok & diskusi kelompok Pascakelas: menyusun tugas dan mengunggah pada modul e-learning

Nontes(proses):

Tugas kelompok Proses:

Kualitas tugas kelompok

1,4,6,8 15

5 – 6 Mampu menjelaskan tentang fungsi keanggotaan fuzzy

Fungsi

Keanggotaan Fuzzy

TM:

2x2x50 PT:2x

2x60 BM:2x

2x60

Nontes(proses):

Tes formatif

Proses:

Kualitas tes formatif perorangan

3,4,6,8 10

7 – 9 Mampu menjelaskan tentang fuzzy inference system

Fuzzy Inference System

TM:

3x2x50 PT:

3x2x60 BM:

3x2x60

Kelas: Mendiskusikan permasalahan yang sudah disusun dosen dalam kelompok kecil dan diskusi kelas

Nontes(proses):

Tes formatif

Proses:

2,3,4,6 20

(4)

Pascakelas: menyusun ringkasan dan mengunggah pada modul e-learning 10 Mampu menganalisis

FIS menggunakan softaware matlab

FIS pada Matlab Bentuk : kuliah Metode: Project Based Learning

TM:2x50 PT:2x60 BM:2x60

Kelas: mengerjakan proyek yg dirancang secara sistematis

Pascakelas: menyusun laporan proyek dan mengunggah pada modul e- learning

Nontes(proses):

Keaktifan dalam pengerjaan proyek

Nontes(luaran):

Laporan proyek

Proses:

Kualitas laporan proyek

1,2,5,6 10

11 – 12 Mampu menganalisis basis data berbentuk fuzzy

Basis Data Fuzzy Bentuk : kuliah Metode: Small Group Discussion

TM:

2x2x50 PT:

2x2x60 BM:

2x2x60

Nontes(proses):

Ringkasan diskusi

Proses:

Kualitas ringkasan hasil kajian perorangan

3,6,8 15

13 – 14 Mampu menganalisis data-data kuantitas menggunakan teori fuzzy

Fuzzy

Quantification Theory

Bentuk : kuliah Metode: Project Based Learning

TM:

2x2x50 PT:

2x2x60 BM:

2x2x60

Kelas: mengerjakan proyek yg dirancang secara sistematis

Pascakelas: menyusun laporan proyek dan mengunggah pada modul e- learning

Nontes(proses):

Keaktifan dalam pengerjaan proyek

Nontes(luaran):

Laporan proyek

Proses:

Kualitas laporan proyek

3,4,6,7 15

15 – 16 Mampu menganalisis pemetaan himpunan fuzzy ke himpunan fuzzy yang lain

Fuzzy Assocciative Memory (FAM)

TM:

2x2x50 PT:

2x2x60 BM:

2x2x60

Nontes(proses):

Tes formatif

Proses:

3,5,6 10

Daftar Referensi:

1. Chen, G. and T.T. Pham. 2014. Introduction Fuzzy Set, Fuzzy Logic and Fuzzy Control System. CRC Press New York.

2. Donda, T.B., A.J. Rindengan dan C.E.J.C. Montolalu. 2018. Prediksi Jumlah Produksi Mebel pada CV. Sinar Sukses Manado menggunakan Fuzzy Inference System. Jurnal de Cartesian 7(1):29 – 34

3. Kusumadewi, S. dan H. Purnomo. 2004. Aplikasi Logika Fuzzy untuk Pendukung Keputusan, Graha Ilmu Yogyakarta.

(5)

4. Lee, K.H. 2015. First Course on Fuzzy Theory and Applications. Springer-Verlag Berlin.

5. Naba, A. 2009. Fuzzy Logic menggunakan Matlab. ANDI Yogyakarta

6. Rindengan, A.J. 2016. Modul Kuliah Sistem Fuzzy. PS. Matematika FMIPA UNSRAT Manado.

7. Tampinongkol, F.F., A.J. Rindengan, L.A. Latumakulita. 2015. Aplikasi Fuzzy Goal Programming. Studi Kasus: UD. Sinar Sakti Manado. Jurnal de Cartesian 4(2):29 – 34

8. Zimmermann, H.J. 2011. Fuzzy Set Theory and Its Applications. 4^ed. Springer Science New York.(8)